（来源：上观新闻）
具体架构要素🐹： 编💶码器 E🎼_θ：👨👨👧👧🕦色,天堂网ViT-L/👡H/g（300👒🔓M–1B🉐 参数），把视频🔞切成 2×16×🎂🇦🇴16 的 🇨🇭🧮tub🇺🇦📎elet 预🇷🇴🇬🇩测器 P_φ：👩👩👦👦😗一个轻量 ViT🧖♂️色,天堂网-S（约 22🌉M）预测⛴被 ma🇹🇯sk 部分的潜📲空间表💡征 使🇹🇫💁用 3💳🍣D-Ro🗑PE 位置编码（🎯时间+H+W）🎫🧞♂️ 约 90%🛹🇸🇹 的高 ma🍗📎sk 比率，L🙌🌍1 损失，E👨🦱MA 👩🏫🎽teacher🐩 防止表征坍塌 🇺🇲🇲🇴训练数据🐤 Vi🇱🇮deo😥🇭🇳Mix22M 🧢⛰= 220🤛💤0 万视频👨✈️💔 ≈ 🦹♂️100 万小时🇻🇬🇸🇲互联网视频🇺🇸🇷🇪 在 Some🏗thing-S🍎omethi🖱🐳ng v2♠🔑 取得 7🚤🔍7.3% t🤮op-1（运动理👳♀️解），Ep🛢🇺🇸ic-Kitch🍞🐞ens-100🦚🇮🇱 动作🇻🇦预测 39.7🎺🚐 R@🇨🇫🔵5（SOT💥A） 为⏲什么像素重建🇦🇬不适合碰撞预🏌️♀️测，而潜空间预📳测适合？像素重建😃🇭🇷优化的是"下🎋🏑一帧长什么样"（😴视觉保真度），🥨⛴潜空间预测优化的♦🇨🇳是"下一帧🍳🌤的抽象语📶义/物理🇲🇨🍅状态"👩🎤🦀（物理因果）🛄。
可这个世界🥢🍲本质是连续的，比👩🌾🉐如大家电本🐁来就存在，📨你只需要用新的方🕡🏳️🌈法重新做好🥏。结果翻🇨🇱过来一看🇪🇷，好家伙，合着产⛏🌈品型号是“MA🌳色,天堂网X 120W🧘♀️”🇹🇩◾。出品｜虎嗅科🥌技组 作者｜宋▪思杭 编辑⏯｜苗正卿 头图｜🌼🐴视觉中国 今🤕🧚♂️天准备↪👩👩👧👧融资的梁文锋，已🦘色,天堂网经不是一年前的那🎅个梁文锋了🇵🇰。拉奥刚到Anth▪👨ropic⬅，公司已与👝谷歌签订了云计算😉协议🥊。柔性线束不像刚👩👩👦性零件，可以预🌅☢判位置；它会动🛶👩🎓、会变形、会有💜🦔误差🇵🇱。
